【小哈划重点：清华大学这个虚拟医院，采用的是一种MedAgent-Zero（无参数策略）的自我进化方法。这些数据集将该AI医生框定在了呼吸系统疾病领域，病人只会得呼吸道疾病，所以这个虚拟医院，其实更像一个理想条件下的专科医院。】
最近，来自清华大学的研究团队，把医院搬到了AI世界。他们设计了一个模拟医院，其中的医生、护士、患者全部由大语言模型驱动，可以自主完成发病、分诊、挂号、问诊、检查、诊断、开药、康复以及患者随访全过程。
研究结果发现，AI医生在几天内，就完成了数以万计的病例的治疗。而同样的情况，人类医生大约需要2年时间（按照一周治疗约100名病人计算）。更重要的是，在诊疗了上万名虚拟病人后，AI医生在MedQA数据集呼吸道疾病子集上，达到了93.06%的准确率1。要知道，中国培养一个医生，基本沿用“5+3”模式，即5年本科、3年规培（住院医师规范化培训），至少8年时间，才能成为一名合格的专科医师。而清华大学这个虚拟医院，在几天内就让AI智能体成了呼吸道疾病专家，还是7x24小时全年无休。
AI虚拟医院
这种AI医生去哪里找？根据论文说明，手搓一个虚拟医院，大致可以分为三步。
第一步，先来个“全家福”。由GPT-3.5生成医生（14名）、护士（4名）、居民的全部信息，且可以无限扩展。借助大语言模型生成的人物，从左向右、从上到下分别是：1号患者肯尼斯，35岁，患有急性鼻炎和高血压病史，主诉腹泻、持续呕吐、淋巴结肿大、反复发烧等。2号内科医生伊莉斯，32岁，富有同理心，擅长与病人沟通，主要职责是为患有急性、慢性病的成年患者提供诊断、治疗和预防保健服务。3号放射科专家赵磊，58岁，主要通过X光、MRI、CT等各种医学图像，作出诊断。4号接待员法图玛塔，48岁，负责预约安排、患者登记等工作。
第二步，去生病，去治疗。在这个虚拟世界里，居民会随机出现生病症状，并成为患者。
1号患者肯尼斯出现皮肤病症状，他先在分诊台咨询，这个症状应该挂哪个科室，随后登记挂号。紧接着他被安排由皮肤科医生进行问诊，该医生询问过简单问题之后，安排他进行检查，再根据检查结果做出诊断，并开具药方，最终肯尼斯在吃药恢复之后，再回到医院完成随访，是为完成诊疗。整个过程，完全复刻了一个人在医院就诊的流程——该挂哪个科，医生会根据询问以及验血、CT等检查结果，判断患者病症，并提出治疗方法。
第三步，进阶的AI医生。从一个医学生进化为一个合格的医生，需要跨越从医学知识到临床实践的高山。因为同一种症状，可能对应着不同的病灶，只会照本宣科完全不够，丰富的临床经验才更宝贵。此前在训练医疗大模型时，通常是先把医学数据（生理学、病理学、各种专科知识、病例等）“喂”给大模型，再借助检索增强生成（RAG）、高质量的人工标注进行迭代，让AI医生可以“按图索骥”。
这种训练方法的“别扭”之处在于，医疗大模型可以提升效率，但失之毫厘，差的可能就是一条命；而要是加入人工标注，效率又成了绊脚石。
不过，清华大学这个虚拟医院，采用的是一种MedAgent-Zero（无参数策略）的自我进化方法。即从患者发病，到医生诊断，再到最后的治疗结果，整个过程不依赖人工标注数据，AI医生只需要通过学习（阅读医学文献）和实践（与虚拟患者交互，作出诊疗决策，并从治疗成功或失败中积累经验）就能不断“进化”，提升医疗能力。
这意味着，AI医生也能积攒“临床经验”了。但这样的AI医生，能代替真实的医疗专家吗？
AI医疗的想象力
先说结论，眼下的医疗大模型，主要集中在疾病预防、辅助诊断、健康指导等生病的前期和后期。到生病的时候，AI只能打辅助，真正的问诊、治疗，还需要人类医生来进行。原因除了医疗大模型需要人为干预和标注来提升准确度之外，患者这边，对AI医生也缺乏足够的信任。
清华大学这个可以自主进化的AI医生，也有一定的局限性。从训练数据集来看，这个AI医生的“知识库”，主要来自第八版《传染病》中8种呼吸系统疾病的数据，包括每种疾病的症状、实验室检查、检查结果和治疗计划，共计大约10000条记录。还有一些从医学新闻网站、默克手册网站搜集的医疗文献和案例，以及后续患者的反馈，相当于“经验库”。这些数据集将该AI医生框定在了呼吸系统疾病领域，病人只会得呼吸道疾病，这大大简化了实际的医疗过程。因为有时候，头疼不一定是头的问题，也可能是颈椎的问题，或者心理的问题。所以这个虚拟医院，其实更像一个理想条件下的专科医院。
但研究提出的MedAgent-Zero自我进化机制，再加上更为庞大的医疗数据集，假以时日，AI医生或许真的可以做一些基础的问诊工作，为人类医生留出更多时间和精力，做更高深的研究，提供更有人情味的医疗服务。
其实，除了清华大学的虚拟医院，AI在医疗领域的应用，或许已经超过了很多人的认知。
在疾病预防领域，AI算法可以根据电子病历、基因数据等，预测心脏病、中风风险；一些糖尿病之类的慢性疾病，AI还可以提供实时监控和动态建议，用于个人健康管理。
在影像学领域，AI分析X光片、CT扫描、MRI等，不仅效率更高，还能更准确地检测到异常，如肿瘤、骨折、脑出血等，提高早期病变的检出率。2020年，谷歌DeepMind开发的乳腺癌AI筛查系统，就在发现乳腺癌方面，准确率超过了医生，登上了Nature。
还有AI加码的基因编辑，已经可以改写人类的DNA；Alphafold3的问世，更是为新药研发按下了快进键。甚至有的AI生成病例、AI心理治疗等等，比人类的效率还要更高，效果也更好。
虽然现阶段，AI在医疗领域的应用，还存在隐私、伦理以及人类信任度等等问题，但不可否认的是，AI正在以前所未有的方式，重塑着医疗健康领域。
当人人都有电子健康档案，当大数据能够更早发现身体病变，当AI医生能更准确、更体贴地给出治疗方法，相当于人人都可以拥有自己的家庭医生，甚至私人医生，那么医疗资源的不均衡或许就能被打破。
当新药研发更快，当基因编辑技术可以解决基因缺陷导致的病变，当智能机器人可以辅助人类完成更精细的手术，甚至是远程外科手术，那么，人人都健康地活着，或许也不再是奢求。当然，这一切都是完美的设想。
但随着AI技术的日渐成熟，随着老龄化不可避免地到来，随着人们对高质量健康的不断追求，这一天的到来，或许并不遥远。
文章原题：清华大学“手搓”智能体，只需几天，速成医学专家
https://www.163.com/dy/article/J3703FCJ0511BCOA.html
